Claim Missing Document
Check
Articles

Analisis Topic Modelling Persepsi Pengguna Internet Menggunakan Metode Latent Dirichlet Allocation Angga Reni Dwi Astuti; Cahyono, Nuri
The Indonesian Journal of Computer Science Vol. 12 No. 1 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i1.3155

Abstract

Technological advances have undoubtedly had a major impact on information media. One impact of technological progress is the existence of news media as a source of publik information. There is also regional information, both domestic and foreign, and of course there are various discussions. News data from online news portals can be used as a source of information as a source of research and analysis. Of course, newa portals cover all types of news on various topics. Indentifying frequently discussed topics on news portal will denfinitely take a lot of time. Therefore, this research focuses on applying a topic modelling system to implement a news topic decision system using the Latent Dirichlet Allocation (LDA) method. This research successfully applies the Latent Dirichlet Allocation (LDA) method in determining news topics, of which there are three topic categories that are often discussed on the online news portal detik.com. topic 1 contains natural disaster event, topik 2 contins political figures and issues, topik 3 conttains news about the world cup.
Analisis Sentimen Terhadap Cyberbullying Pada Komentar Di Instagram Menggunakan Algoritma Naïve Bayes Fauzan Baehaqi; Cahyono, Nuri
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3301

Abstract

Cyberbullying, penggunaan teknologi digital yang disengaja untuk menyakiti, mempermalukan, atau menggertak orang lain secara online, telah menjadi isu penting dalam masyarakat saat ini. Dampak dari cyberbullying bisa sangat parah, menyebabkan masalah kesehatan mental, rendah diri, dan, dalam beberapa kasus tragis, hilangnya nyawa. Memahami fenomena ini secara mendalam dan menemukan solusi efektif untuk mengatasinya sangatlah penting. Analisis sentimen menggunakan algoritma Naïve Bayes sebagai pendekatan yang layak untuk mengatasi cyberbullying di Instagram. Tujuan utama dari penelitian ini adalah untuk mempelajari dan menganalisis sentimen terkait cyberbullying pada komentar Instagram menggunakan algoritma Naïve Bayes. Dengan menganalisis konten yang terkait dengan cyberbullying, penelitian ini bertujuan untuk memberikan wawasan yang lebih baik tentang masalah tersebut dan mengidentifikasi pola dan karakteristik khusus yang dapat membantu upaya pencegahan dan intervensi. Temuan ini dapat berkontribusi untuk menciptakan lingkungan online yang lebih aman dan melindungi kesejahteraan pengguna media sosial.
Analisis Sentimen Ulasan Aplikasi TikTok Shop Seller Center di Google Playstore Menggunakan Algoritma Naive Bayes Anggista Oktavia Praneswara; Cahyono, Nuri
The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i6.3473

Abstract

In the rapidly developing digital era, users' views on mobile applications are a key factor in the success of an application. Understanding user sentiment can help application developers and management to improve service quality and user satisfaction. One of the social media that is experiencing a revolution is TikTok, a short video sharing platform that presents e-commerce innovations through the TikTok Shop Seller Center. Therefore, sentiment analysis was carried out to find out whether user reviews of the TikTok Shop Seller Center application tended to be positive or negative based on the Naïve Bayes algorithm. The research methodology involves data scrapping, data cleaning, preprocessing (case folding, stopword removing, tokenization, stemming), labeling, TF-IDF, data testing using confusion matrix and visualization using wordcloud. The results of research regarding sentiment analysis of reviews of the TikTok Shop Seller Center application on Google Playstore totaling 5000 data, it was concluded that user reviews were classified as negative with a percentage of 86.3% accuracy value, 83.7% precision value, 94.6% recall value and 88.7% % F1-Score value.
OPTIMASI METODE KLASIFIKASI MENGGUNAKAN FASTTEXT DAN GRID SEARCH PADA ANALISIS SENTIMEN ULASAN APLIKASI SEABANK Ermawan, Bagas Restya; Cahyono, Nuri
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1523

Abstract

Perkembangan pesat teknologi digital telah memberikan dampak signifikan pada sektor perbankan, termasuk aplikasi perbankan digital seperti SeaBank. Namun, pengguna melaporkan masalah kritis seperti hilangnya saldo dan keterlambatan transfer, yang memerlukan analisis sentimen pengguna berdasarkan ulasan di Google Play Store. Penelitian ini menganalisis ulasan pengguna SeaBank menggunakan metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN), yang dioptimalkan melalui Grid Search dan ekstraksi fitur FastText. Sebanyak 15.000 ulasan dari Juli hingga September 2024 diproses, dilabeli secara manual (positif, negatif, netral), dan diseimbangkan menggunakan SMOTE. Hasil penelitian menunjukkan bahwa optimasi Grid Search secara signifikan meningkatkan kinerja model, dengan SVM mencapai akurasi 92% dan KNN meningkat menjadi 91%. SVM yang dioptimalkan (C: 100, kernel: 'rbf') mencapai metrik tertinggi (presisi 0,93, recall 0,92, F1-score 0,92).
IMPLEMENTASI ALGORITMA SVM DAN OPTIMASI MENGGUNAKAN KOMPARASI N-GRAM DAN GLOVE PADA SENTIMEN PENGGUNA APLIKASI ACCESS BY KAI Kusuma Wardana, Raka; Cahyono, Nuri; Uyock Anggoro Saputro; Arifiyanto Hadi Negoro; Nur Aini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13284

Abstract

Analisis sentimen memiliki peran penting dalam memahami opini pengguna, khususnya dalam meningkatkan kualitas layanan digital. Penelitian ini berfokus pada optimasi klasifikasi sentimen menggunakan Support Vector Machine (SVM) dengan pendekatan N-Gram dan Word Embedding GloVe terhadap ulasan pengguna aplikasi Access by KAI. Permasalahan utama yang dihadapi adalah bagaimana meningkatkan akurasi klasifikasi sentimen agar lebih optimal dalam mengidentifikasi keluhan dan preferensi pengguna. Dataset yang digunakan terdiri dari 1.718 ulasan pengguna yang telah dilabeli secara manual ke dalam kategori positif dan negatif. Metode penelitian mencakup pengumpulan data, preprocessing, ekstraksi fitur, pemodelan SVM, dan evaluasi kinerja. Hasil penelitian menunjukkan bahwa pendekatan N-Gram berbasis TF-IDF menghasilkan akurasi terbaik sebesar 84,88%, mengungguli metode GloVe yang hanya mencapai 79,65%. Selain itu, pemodelan SVM tanpa optimasi menghasilkan akurasi 83,43%. Perbandingan ini menegaskan bahwa pemilihan metode ekstraksi fitur yang tepat berpengaruh signifikan terhadap performa klasifikasi. Temuan penelitian juga mengungkap bahwa sentimen negatif mendominasi dengan persentase 51,7%, yang mencerminkan tantangan dalam performa dan fitur aplikasi.
Pendampingan Optimalisasi Digital Marketing Memanfaatkan Social Media Cahyono, Nuri
Jurnal Ilmiah Pengabdian dan Inovasi Vol. 1 No. 2 (2022): Jurnal Ilmiah Pengabdian dan Inovasi (Desember)
Publisher : Insan Kreasi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.102 KB) | DOI: 10.57248/jilpi.v1i2.33

Abstract

Digital marketing is the spearhead that determines how a business is able to grow or just run as it is and even experience a decline. By entering the mataverse era, one of the main choices for digital marketing media is social media. Social media is able to provide comprehensive promotions and reach the online marketing area broadly, specifically to personal as users of the social media. This has become the choice of one of the non-formal educational institutions in Yogyakarta, namely kampung inggris yogyakarta, which has begun to enter promotions by utilizing social media, mainly Instagram, both with organic methods and ads. In the implementation of this community service, assistance is carried out to provide knowledge for partners so that they will be able to later independently implement digital marketing based on social media. The initial stage is to insert a media to accommodate information that can be used as a reference, namely a website. Next, an advertisement using Facebook ads is carried out with a target Instagram user, this ad is carried out in 3 periods or about 3 months with an evaluation applied every month.
PENERAPAN GRID SEARCH UNTUK OPTIMASI MODEL MACHINE LEARNING DALAM KLASIFIKASI SENTIMEN KOMENTAR YOUTUBE Bayu Prayoga, Mahendra; Cahyono, Nuri; Subektiningsih, Subektiningsih; Kamarudin, Kamarudin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13375

Abstract

YouTube bukan hanya platform berbagi video, tetapi juga ruang interaksi sosial melalui komentar yang mencerminkan opini dan persepsi pengguna. Penelitian ini bertujuan untuk menganalisis kinerja algoritma klasifikasi sentimen, yaitu Support Vector Machine (SVM), Logistic Regression, dan Random Forest, yang dioptimasi menggunakan Grid Search untuk klasifikasi sentimen komentar YouTube. Dataset yang digunakan terdiri dari 12.000 komentar dari 12 topik berbeda, meliputi politik, pendidikan, hiburan, teknologi, dan lainnya. Data diproses melalui preprocessing yang meliputi unique handling, case folding, text cleaning, slang words normalization, stopwords removal, tokenizing, dan stemming menggunakan Sastrawi. Pelabelan sentimen dilakukan dengan menggunakan kamus sentimen dalam tiga kelas: positif, negatif, dan netral. Oversampling dengan SMOTE diterapkan untuk mengatasi ketidakseimbangan data. Hasil penelitian menunjukkan bahwa optimasi menggunakan Grid Search meningkatkan akurasi model: SVM meningkat dari 90,97% menjadi 92,55%, Logistic Regression dari 86,72% menjadi 92,34%, dan Random Forest dari 87,33% menjadi 88,84%. Model SVM dengan kombinasi parameter 'C': 10, 'kernel': 'linear', 'max_iter': 1000, 'tol': 0.0001 menunjukkan performa terbaik dibandingkan model lain yang sudah dioptimasi.
PENGGUNAAN ALGORITMA CNN DENGAN ADAM OPTIMIZER DALAM APLIKASI WEB UNTUK PREDIKSI JENIS KELAMIN BUNGA Afnan Wijaya, Hafid; Cahyono, Nuri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13376

Abstract

Identifikasi jenis kelamin bunga pada tanaman dioecious (memiliki jenis kelamin jantan dan betina pada tanaman yang berbeda) dan monoecious (memiliki jenis kelamin jantan dan betina dalam satu tanaman) secara manual memerlukan waktu lama dan berisiko kesalahan. Kesulitan ini dapat mempengaruhi efisiensi pemuliaan tanaman serta hasil produksi. Oleh karena itu, diperlukan teknologi yang dapat mengotomatisasi proses identifikasi untuk meningkatkan akurasi dan efisiensi dalam pertanian. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web untuk prediksi jenis kelamin bunga menggunakan algoritma Convolutional Neural Network (CNN). Metode penelitian yang digunakan mencakup pengumpulan dataset gambar bunga, pra-pemrosesan data untuk meningkatkan kualitas gambar, pelatihan model CNN, serta integrasi model ke dalam aplikasi web. Model CNN ini dilatih menggunakan dataset gambar bunga dengan jenis kelamin berbeda, dan optimisasi dilakukan menggunakan Adam optimizer untuk meningkatkan akurasi prediksi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai akurasi 92% dalam memprediksi jenis kelamin bunga. Aplikasi web yang dihasilkan memungkinkan pengguna mengunggah gambar bunga dan menerima hasil prediksi secara cepat dan akurat, tanpa memerlukan perangkat khusus.
PENERAPAN GAME INTERAKTIF BERBASIS MOBILE UNTUK MENINGKATKAN MINAT BELAJAR ANAK DALAM PEMBELAJARAN MATEMATIKA Oktafria, Fikri; Cahyono, Nuri; Wardhana, Raditya; Tofa Nurcholis, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13377

Abstract

Game interaktif merupakan salah satu bentuk media interaktif yang dirancang untuk menghibur sekaligus mendidik penggunanya. Dalam dunia pendidikan, game berbasis mobile menjadi inovasi yang menarik karena kemampuannya untuk menggabungkan elemen hiburan dengan pembelajaran. Penggunaan game sebagai media pembelajaran memberikan pengalaman belajar yang lebih interaktif, menyenangkan, dan memotivasi siswa, khususnya dalam mata pelajaran yang sering dianggap sulit seperti matematika. Pengembangan game dilakukan menggunakan metode Game Development Life Cycle (GDLC) yang meliputi tahapan konsep, desain, implementasi, pengujian, dan distribusi. Dalam penelitian ini, game Math Racer dikembangkan sebagai media interaktif untuk pembelajaran matematika anak. Game ini dirancang agar siswa dapat belajar sambil bermain, dengan mekanisme permainan yang melibatkan penyelesaian soal matematika secara interaktif. Berdasarkan hasil pengujian menggunakan metode black box testing, seluruh fitur dalam game Math Racer telah diuji dan berfungsi sesuai dengan yang diharapkan. Pengujian dilakukan pada 30 perangkat berbeda, dengan tingkat keberhasilan 100% dalam menjalankan setiap fitur tanpa ditemukan bug atau error. Dengan hasil tersebut, game ini dinilai stabil dan siap digunakan sebagai media pembelajaran interaktif berbasis game.
OPTIMASI KINERJA METODE KLASIFIKASI DENGAN RANDOM SEARCH PADA ANALISIS SENTIMEN APLIKASI KORLANTAS POLRI Marsel Pratama, Aldino; Cahyono, Nuri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13480

Abstract

Kemajuan teknologi digital telah mendorong pengembangan aplikasi layanan publik, seperti Aplikasi Digital Korlantas Polri yang mempermudah proses perpanjangan SIM secara online. Namun, ulasan pengguna di Google Play Store menunjukkan berbagai masalah teknis, seperti kendala login dan kegagalan input data, yang memerlukan analisis mendalam terhadap persepsi pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna menggunakan metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) yang dioptimasi dengan Random Search serta ekstraksi fitur TF-IDF. Data penelitian terdiri dari 6.000 ulasan yang dikumpulkan pada periode 30 September 2024 hingga 20 November 2024. Data tersebut melalui tahapan preprocessing seperti case folding, tokenisasi, stemming, dan penyeimbangan data menggunakan SMOTE. Hasil penelitian menunjukkan bahwa optimasi Random Search berhasil meningkatkan kinerja model secara signifikan. Model KNN, yang dioptimasi dengan parameter weights: 'distance', n_neighbors: 5, dan metric: 'manhattan', mencapai akurasi 99,61%, dengan precision, recall, dan F1-score masing-masing mencapai 1.00 untuk semua kelas, kecuali untuk kategori negatif yang sedikit lebih rendah dengan precision 0.99. Sementara itu, SVM dengan parameter optimal (C: 100, kernel: 'linear', gamma: 0.01) menunjukkan akurasi 98%, dengan precision 0.97, recall 0.96, dan F1-score 0.96. Hasil penelitian ini diharapkan dapat memberikan wawasan kepada tim pengembang Digital Korlantas Polri untuk meningkatkan kualitas layanan berdasarkan analisis sentimen pengguna, serta menjadi referensi untuk penerapan metode optimasi lainnya seperti Grid Search atau penggunaan teknik ekstraksi fitur yang lebih canggih seperti FastText atau BERT.